本文介紹一個示例:使用 pymongo 連接 MongoDB,查詢MongoDB中的 字符串 記錄,並比較字符串之間的相似度。
一,Python連接MongoDB
大致步驟:創建MongoClient---> 獲取 DataBase --->獲取Collection,代碼如下:
client = MongoClient(host="127.0.0.1", port=10001) db = client['database_name'] db.authenticate(name="user_name", password="password")
coll = db.get_collection("collection_name")
二,Python MongoDB 查詢
以uid為條件進行查詢。由於 collection_name 中定義了多個字段,這里只想返回 chat 字段的內容,並且不返回 _id 字段內容。故查詢條件如下:(find方法的第一個參數指定查詢的條件,第二個參數指定 待 返回的 字段)
coll.find({"uid": 123456789}, {"_id": 0, "chat": 1})
MongoDB查詢返回的每一條記錄都是一個 dict:{"chat":"這是一條發言內容"},再將之轉化成 chats列表(list) 存儲每一條發言內容:
list_chat = list(coll.find({"uid": 123456789}, {"_id": 0, "chat": 1})) chats = [d['chat'] for d in list_chat]
三,Python比較兩個字符串的相似度
給定一個列表(list),列表中的每個元素都是一個字符串,計算列表中相鄰兩個元素的相似度。
#查找chats 列表 里面 相鄰 字符串 之間的 相似度 def compute_similar(): chats = uid_chats() for index in range(len(chats) - 1): ratios = similar_ratio(chats[index], chats[index+1]) print(ratios)
具體的字符串相似度計算,由SequenceMatcher實現,它忽略了字符串中存在空格的情況。
#lambda 表達式表示忽略 “ ”(空格),空格不參與相似度地計算 SequenceMatcher(lambda x:x==" ", strA, strB).ratio()
四,判斷 "nick"字段是否包含 emoji字符
打開Anaconda,安裝 emoji 處理包
pip install emoji --upgrade
代碼如下:
from pymongo import MongoClient import emoji client = MongoClient(host="127.0.0.2", port=10001) db = client['db_name'] db.authenticate(name="user_name", password="xxxx") coll = db.get_collection("coll_name") def extract_emojis(str_chat): return ' '.join(c for c in str_chat if c in emoji.UNICODE_EMOJI) def uid_chats(uid): list_chat = list(coll.find({"uid": uid}, {"_id": 0, "nick": 1})) chats = [d['nick'] for d in list_chat] print(chats) return chats if __name__ == "__main__": chatList = uid_chats(123456789) for chat in chatList: result = extract_emojis(chat) print(result)
五,完整代碼
系統環境 pycharm2016.3 Anaconda3 Python3.6
from pymongo import MongoClient from difflib import SequenceMatcher client = MongoClient(host="127.0.0.1", port=10001) db = client['database_name'] db.authenticate(name="user_name", password="password") coll = db.get_collection("collection_name") def uid_chats(): list_chat = list(coll.find({"uid": 123456789}, {"_id": 0, "chat": 1})) chats = [d['chat'] for d in list_chat] print(chats) return chats def similar_ratio(strA, strB): return SequenceMatcher(lambda x:x==" ", strA, strB).ratio() #查找list里面相鄰字符串之間的相似度 def compute_similar(): chats = uid_chats() for index in range(len(chats) - 1): ratios = similar_ratio(chats[index], chats[index+1]) print(ratios) if __name__ == "__main__": compute_similar()
原文:http://www.cnblogs.com/hapjin/p/7895027.html